可左右滑动选省市

基于智能优化算法的砌块排布优化策略的自动生成方法

更新时间:2024-07-01
基于智能优化算法的砌块排布优化策略的自动生成方法 专利申请类型:发明专利;
源自:重庆高价值专利检索信息库;

专利名称:基于智能优化算法的砌块排布优化策略的自动生成方法

专利类型:发明专利

专利申请号:CN202111203199.4

专利申请(专利权)人:重庆大学
权利人地址:重庆市沙坪坝区沙正街174号

专利发明(设计)人:伍洲,罗干,刘界鹏

专利摘要:本发明公开了基于智能优化算法的砌块排布优化策略的自动生成方法,涉及信息技术领域,包括以下步骤:1)提取墙体相关信息;2)输入砌体墙信息;3)输入砌块信息;4)选择方案,包括水平灰缝厚度、竖向灰缝宽度、砖块固定裁切尺寸和位置粒子维度及其种类的选择;5)PSO算法进行智能排砖;6)输出排砖图。本发明优化了灰缝和砌块的排布,排砖准确性和效率高,节省了大量人工成本和时间成本,并可用于各类建筑辅助设计软件中,可移植性和智能化程度高。解决了现有砌体墙排砖方法自动化程度不高、结果不理想的问题,可广泛应用于砌体工程中。

主权利要求:
1.基于智能优化算法的砌块排布优化策略的自动生成方法,其特征在于:包括以下步骤:
1)提取墙体相关信息;其中,所述墙体的相关信息包括:墙体类型和砌筑方式,砌体墙的高度、宽度和厚度,导墙区域、中间砌体区域和插缝区域的高度,导墙砌块、中间砌块和插缝砌块各自的高度、宽度、厚度、材质和排布方式;
2)将墙体的相关信息输入到计算模块中进行计算;
3)根据所述计算模块的计算结果在三个方案中选择最优方案;其中,所述的三个方案分别为方案一、方案二和方案三,当需要水平灰缝的厚度和竖向灰缝的宽度均为10mm且需要无固定裁切尺寸砌块时,选择方案一,转入步骤4);当需要水平灰缝的厚度和竖向灰缝的宽度在8至12mm范围内且需要有固定裁切尺寸砌块时,选择方案二,转入步骤5);当需要水平灰缝的厚度和竖向灰缝的宽度在8至12mm范围内且需要无固定裁切尺寸砌块时,选择方案三,转入步骤6);
4)将水平灰缝的厚度和竖向灰缝的宽度均设定为10mm,基于PSO算法优化出最大整型砌块的数量和砌块的层数,同时找出每层中的非整型砌块尺寸,排列出整个墙体;其中,优化排布横向砌块时,初始化位置粒子Xi=(ni1,ni2,ri0),适应度函数f1表达式为:f1=q1*s1+q2*s2(1)s2=p1*n1+p2*n2(3)其中:W为墙宽,a为砌块长度,b为砌块宽度,n1为整型砌块数量,n2为非整型砌块数量,r0∈[a/3b,a/b]为非整型砌块尺寸比例,p1和p2为砌块控制因子,即用来控制整型砌块和非整型砌块的数量,q1和q2为惩罚控制因子,即用来控制实际要求的优先级如成本优先和任务优先;
优化排布纵向砌块时,初始化位置粒子Xi=ni3,适应度函数f2表达式为:其中:H为墙高,h为砖高,n3为砌块层数;
5)将水平灰缝的厚度和竖向灰缝的宽度均设定在8至12mm范围内,基于PSO算法优化出整型砌块数量、非整型砌块数量、固定裁切砌块尺寸和竖向灰缝宽度,自适应调整水平灰缝厚度和砌块层数,排列出整个墙体;
其中,优化排布横向砌块时,初始化位置粒子Xi=(ni1,ni2,ga,gb,ri1),ni1和ni2分别表示整型砌块和非整型固定裁切尺寸砌块的数量,ga∈{8,9,10,11,12}和gb∈{8,9,10,11,12}分别为整型砌块和非整型固定裁切尺寸砌块的灰缝宽,ri1∈{0.25,0.5,0.75}为固定裁切比例分别代表半砖、二五砖、七五砖;适应度函数f3表达式为:f3=q1*s1+q2*s2+q3*s3(5)s2=p1*n1+p2*n2(7)
s3=D(ga)+D(gb)(8)
其中:D表示方差计算,即度量灰缝均匀度,q1、q2和q3为用于控制实际要求的优先级的惩罚控制因子;
优化排布纵向砌块时,初始化位置粒子Xi=(ni3,gh),ni3表示砌块层数,gh∈{8,9,10,
11,12}为水平灰缝厚度,适应度函数f4表达式为:
f4=q1*s1+q2*s2(9)
s2=D(gh)(11)
6)将水平灰缝的厚度和竖向灰缝的宽度均设定在8至12mm范围内,基于PSO算法优化出整型砌块数量、非整型砌块数量、无固定裁切砌块尺寸和竖向灰缝宽度,自适应调整水平灰缝厚度和砌块层数,排列出整个墙体;
其中,优化排布横向砌块时,初始化位置粒子Xi=(ni1,ni2,ga,gb,ri2),ni1和ni2分别表示整型砌块和非整型固定裁切尺寸砌块的数量,ga∈{8,9,10,11,12}和gb∈{8,9,10,11,12}分别为整型砌块和非整型固定裁切尺寸砌块的灰缝宽,r2∈[a/3b,a/b]为无固定裁切比例;适应度函数f5表达式为:f5=q1*s1+q2*s2+q3*s3(12)s2=p1*n1+p2*n2(14)
s3=D(ga)+D(gb)(15)
优化排布纵向砌块时,初始化位置粒子Xi=(ni3,gh),ni3表示砌块层数,gh∈{8,9,10,
11,12}为水平灰缝厚度,适应度函数f6表达式为:
f6=q1*s1+q2*s2(16)
s2=D(gh)(18)
7)将经过PSO算法处理过的数据在图纸上进行绘制,输出排砖图指导施工。
2.根据权利要求1所述的基于智能优化算法的砌块排布优化策略的自动生成方法,其特征在于:所述PSO算法包括以下步骤:
2‑1)根据选择的方案生成位置粒子Xid=(xi1,xi2,…,xiD),用随机数生成速度粒子Vid=(vi1,vi2,…,viD)形成一个粒子种群;
2‑2)由实际所需的方案完成适应度函数f的设定;
2‑3)计算每个粒子的适应度;
2‑4)对于每个粒子,如果其适应度值小于个体极值Ppbest,则用适应度值替换个体极值;
对于每个粒子,如果其适应度值小于全局极值Pgbest,则用适应度值替换全局极值;
2‑5)更新速度粒子和位置粒子,更新公式如下:
其中:k为迭代次数,ω为惯性常数,c1和c2为学习因子,r1和r2为随机因子;
2‑6)若经过更新的粒子的目标函数值小于此代原始粒子的目标函数值,则将此新粒子设置为下一代原始粒子;若经过更新的粒子的目标函数值大于或者等于此代原始粒子的目标函数值,则将此代原始粒子设置为下一代原始粒子;
2‑7)如果停止条件不满足,则返回步骤2‑3)继续迭代,直到满足停止条件得到最优解。
3.根据权利要求1所述的基于智能优化算法的砌块排布优化策略的自动生成方法,其特征在于:所述无固定尺寸裁切的砌块,其长度大于整型砌块长度的三分之一,小于整型砌块的宽度。
4.一种采用权利要求1所述的基于智能优化算法的砌块排布优化策略的自动生成方法的生成装置,其特征在于:包括获取模块、选择模块和优化模块,所述获取模块获取的信息包括墙体数据和砌块数据;所述选择模块选择具体方案,确定优化算法的初始化参数和适应度函数;所述优化模块根据所选方案和优化算法,对给定墙体和砌块进行优化排布策略生成。
5.一种计算机可读存储介质,其特征在于:有用于基于智能优化算法的砌块排布优化策略的生成程序;所述用于基于智能优化算法的砌块排布优化策略的生成程序被处理器执行时实现权利要求1至3任一项所述的用于智能优化算法的砌块排布优化策略的生成方法。
6.一种计算机设备,其特征在于:包括计算机可读存储介质、处理器和存储在所述计算机可读存储介质中的用于基于智能优化算法的砌块排布优化策略的生成程序,所述基于智能优化算法的砌块排布优化策略的生成程序被处理器执行时实现权利要求1至3任一项所述的用于智能优化算法的砌块排布优化策略的生成方法。 说明书 : 基于智能优化算法的砌块排布优化策略的自动生成方法技术领域[0001] 本发明属于信息技术领域,具体涉及一种基于智能优化算法的砌块排布优化策略的自动生成方法。背景技术[0002] 在建筑行业中,砌体结构在建筑物中发挥着极为重要的作用,是建筑物主要受力构件的结构。在设计阶段,建筑图纸如建筑施工图、结构施工图等只会表达出建筑物的基本结构如架、梁、柱、板等,而对于墙体砌块的具体排布未有清晰的表达。[0003] 在目前的砌体工程中,传统方法是工人根据自身的施工经验,在现场进行砌块的切割和排布后,再进行砌筑。随着信息技术的发展,基于建筑信息模型(BIM)的砌筑排砖方法得到广泛应用,一定程度上提高了效率,但仍存在排砖结果不够理想,部分砌块不符合规范的问题。[0004] 因此,有必要研发一种自动化程度高、计算结果理想的排砖方法。发明内容[0005] 本发明的目的是提供一种基于智能优化算法的砌块排布优化策略的自动生成方法。[0006] 为实现本发明目的而采用的技术方案是这样的,基于智能优化算法的砌块排布优化策略的自动生成方法,包括以下步骤:[0007] 1)提取墙体相关信息;其中,所述墙体的相关信息包括:墙体类型和砌筑方式,砌体墙的高度、宽度和厚度,导墙区域、中间砌体区域和插缝区域的高度,导墙砌块、中间砌块和插缝砌块各自的高度、宽度、厚度、材质和排布方式;[0008] 2)将墙体的相关信息输入到计算模块中进行计算;[0009] 3)根据所述计算模块的计算结果在三个方案中选择最优方案;其中,所述的三个方案分别为方案一、方案二和方案三,当需要水平灰缝的厚度和竖向灰缝的宽度均为10mm且需要无固定裁切尺寸砌块时,选择方案一,转入步骤4);当需要水平灰缝的厚度和竖向灰缝的宽度在8至12mm范围内且需要有固定裁切尺寸砌块时,选择方案二,转入步骤5);当需要水平灰缝的厚度和竖向灰缝的宽度在8至12mm范围内且需要无固定裁切尺寸砌块时,选择方案三,转入步骤6);[0010] 4)将水平灰缝的厚度和竖向灰缝的宽度均设定为10mm,砌块无固定裁切尺寸,基于PSO算法优化出最大整型砌块的数量和砌块的层数,同时找出每层中的非整型砌块尺寸,排列出整个墙体。其中,优化排布横向砌块时,初始化位置粒子Xi=(ni1,ni2,ri0),适应度函数f1表达式为:[0011] f1=q1*s1+q2*s2(1)[0012][0013] s2=p1*n1+p2*n2(3)[0014] 其中:W为墙宽,a为砌块长度,b为砌块宽度,n1为整型砌块数量,n2为非整型砌块数量,r0∈[a/3b,a/b]为非整型砌块尺寸比例,p1和p2为砌块控制因子,即用来控制整型砌块和非整型砌块的数量,q1和q2为惩罚控制因子,即用来控制实际要求的优先级如成本优先和任务优先;[0015] 优化排布纵向砌块时,初始化位置粒子Xi=ni3,适应度函数f2表达式为:[0016][0017] 其中:H为墙高,h为砖高,n3为砌块层数;[0018] 5)将水平灰缝的厚度和竖向灰缝的宽度均设定在8至12mm范围内,砌块有固定裁切尺寸,基于PSO算法优化出整型砌块数量和非整型砌块数量、固定裁切砌块尺寸和竖向灰缝宽度,自适应调整水平灰缝厚度和砌块层数,排列出整个墙体;[0019] 其中,优化排布横向砌块时,初始化位置粒子Xi=(ni1,ni2,ga,gb,ri1),ni1和ni2分别表示整型砌块和非整型固定裁切尺寸砌块的数量,ga∈{8,9,10,11,12}和gb∈{8,9,10,11,12}分别为整型砌块和非整型固定裁切尺寸砌块的灰缝宽,ri1∈{0.25,0.5,0.75}为固定裁切比例分别代表半砖、二五砖、七五砖。适应度函数f3表达式为:[0020] f3=q1*s1+q2*s2+q3*s3(5)[0021][0022] s2=p1*n1+p2*n2(7)[0023] s3=D(ga)+D(gb)(8)[0024] 其中:D表示方差计算,即度量灰缝均匀度,q1、q2和q3为用于控制实际要求的优先级的惩罚控制因子;[0025] 优化排布纵向砌块时,初始化位置粒子Xi=(ni3,gh),ni3表示砌块层数,gh∈{8,9,10,11,12}为水平灰缝厚度,适应度函数f4表达式为:[0026] f4=q1*s1+q2*s2(9)[0027][0028] s2=D(gh)(11)[0029] 6)将水平灰缝的厚度和竖向灰缝的宽度均设定在8至12mm范围内,砌块无固定裁切尺寸,基于PSO算法优化出整型砌块数量和非整型砌块数量、无固定裁切砌块尺寸和竖向灰缝宽度,自适应调整水平灰缝厚度和砌块层数,排列出整个墙体;[0030] 其中,优化排布横向砌块时,初始化位置粒子Xi=(ni1,ni2,ga,gb,ri2),ni1和ni2分别表示整型砌块和非整型固定裁切尺寸砌块的数量,ga∈{8,9,10,11,12}和gb∈{8,9,10,11,12}分别为整型砌块和非整型固定裁切尺寸砌块的灰缝宽,r2∈[a/3b,a/b]为无固定裁切比例;适应度函数f5表达式为:[0031] f5=q1*s1+q2*s2+q3*s3(12)[0032][0033] s2=P1*n1+P2*n2(14)[0034] s3=D(ga)+D(gb)(15)[0035] 优化排布纵向砌块时,初始化位置粒子Xi=(ni3,gh),ni3表示砌块层数,gh∈{8,9,10,11,12}为水平灰缝厚度,适应度函数f6表达式为:[0036] f6=q1*s1+q2*s2(16)[0037][0038] s2=D(gh)(18)[0039] 7)将经过PSO算法处理过的数据在图纸上进行绘制,输出排砖图指导施工。[0040] 进一步,所述PSO算法包括以下步骤:[0041] 2‑1)根据选择的方案生成位置粒子Xid=(xi1,xi2,...,xiD),用随机数生成速度粒子Vid=(vi1,vi2,…,viD)形成一个粒子种群;[0042] 2‑2)由实际所需的方案完成适应度函数f的设定;[0043] 2‑3)计算每个粒子的适应度;[0044] 2‑4)对于每个粒子,如果其适应度值小于个体极值Ppbest,则用适应度值替换个体极值;对于每个粒子,如果其适应度值小于全局极值Pgbest,则用适应度值替换全局极值;[0045] 2‑5)更新速度粒子和位置粒子,更新公式如下:[0046][0047][0048] 其中:k为迭代次数,ω为惯性常数,c1和c2为学习因子,r1和r2为随机因子;[0049] 2‑6)若经过更新的粒子的目标函数值小于此代原始粒子的目标函数值,则将此新粒子设置为下一代原始粒子;若经过更新的粒子的目标函数值大于或者等于此代原始粒子的目标函数值,则将此代原始粒子设置为下一代原始粒子;[0050] 2‑7)如果停止条件不满足,则返回步骤2‑3)继续迭代,直到满足停止条件得到最优解。[0051] 进一步,所述无固定尺寸裁切的砌块,其长度大于整型砌块长度的三分之一,小于整型砌块的宽度。[0052] 本发明还公开了一种用于基于智能优化算法的砌块排布优化策略的生成装置,包括获取模块、选择模块和优化模块,所述获取模块获取的信息包括墙体数据和砌块数据;所述选择模块选择具体方案,确定优化算法的初始化参数和适应度函数;所述优化模块根据所选方案和优化算法,对给定墙体和砌块进行优化排布策略生成。[0053] 本发明还公开了一种计算机可读存储介质,存储有用于基于智能优化算法的砌块排布优化策略的生成程序;所述用于基于智能优化算法的砌块排布优化策略的生成程序被处理器执行时实现权利要求1至3任一项所述的用于智能优化算法的砌块排布优化策略的生成方法。[0054] 本发明还公开了一种计算机设备,包括计算机可读存储介质、处理器和存储在所述计算机可读存储介质中的用于基于智能优化算法的砌块排布优化策略的生成程序,所述基于智能优化算法的砌块排布优化策略的生成程序被处理器执行时实现权利要求1至3任一项所述的用于智能优化算法的砌块排布优化策略的生成方法。[0055] 本发明的技术效果是毋庸置疑的,本发明利用PSO算法对水平灰缝厚度、竖向灰缝宽度、水平灰缝数量、竖向灰缝数量、整型砌块数量、非整型砌块数量进行了优化,解决了在砌体工程中绘制砌块排列图时工作量巨大、工作效率低且绘制的图纸不够精准的问题。实现了自适应参数智能排砖,提高了节能效率和准确度高。附图说明[0056] 图1为本发明方法的流程图;[0057] 图2为PSO算法流程图;[0058] 图3为砌体墙模型。具体实施方式[0059] 下面结合实施例对本发明作进一步说明,但不应该理解为本发明上述主题范围仅限于下述实施例。在不脱离本发明上述技术思想的情况下,根据本领域普通技术知识和惯用手段,做出各种替换和变更,均应包括在本发明的保护范围内。[0060] 实施例1:[0061] 参见图1,本实施例公开了基于智能优化算法的砌块排布优化策略的自动生成方法,包括以下步骤:[0062] 1)提取墙体相关信息;其中,所述墙体的相关信息包括:墙体类型和砌筑方式,砌体墙的高度、宽度和厚度,导墙区域、中间砌体区域和插缝区域的高度,导墙砌块、中间砌块和插缝砌块各自的高度、宽度、厚度、材质和排布方式;[0063] 2)将墙体的相关信息输入到计算模块中进行计算;[0064] 3)根据所述计算模块的计算结果在三个方案中选择最优方案;其中,所述的三个方案分别为方案一、方案二和方案三,当需要水平灰缝的厚度和竖向灰缝的宽度均为10mm且需要无固定裁切尺寸砌块时,选择方案一,转入步骤4),所述无固定尺寸裁切的砌块,其长度大于整型砌块长度的三分之一,小于整型砌块的宽度;当需要水平灰缝的厚度和竖向灰缝的宽度在8至12mm范围内且需要有固定裁切尺寸砌块时,选择方案二,转入步骤5);当需要水平灰缝的厚度和竖向灰缝的宽度在8至12mm范围内且需要无固定裁切尺寸砌块时,选择方案三,转入步骤6);[0065] 4)将水平灰缝的厚度和竖向灰缝的宽度均设定为10mm,砌块无固定裁切尺寸,基于PSO算法优化出最大整型砌块的数量和砌块的层数,同时找出每层中的非整型砌块尺寸,排列出整个墙体。其中,优化排布横向砌块时,初始化位置粒子Xi=(ni1,ni2,ri0),适应度函数f1表达式为:[0066] f1=q1*s1+q2*s2(1)[0067][0068] s2=p1*n1+p2*n2(3)[0069] 其中:W为墙宽,a为砌块长度,b为砌块宽度,n1为整型砌块数量,n2为非整型砌块数量,r0∈[a/3b,a/b]为非整型砌块尺寸比例,p1和p2为砌块控制因子,即用来控制整型砌块和非整型砌块的数量,q1和q2为惩罚控制因子,即用来控制实际要求的优先级如成本优先和任务优先;[0070] 优化排布纵向砌块时,初始化位置粒子Xi=ni3,适应度函数f2表达式为:[0071][0072] 其中:H为墙高,h为砖高,n3为砌块层数;[0073] 5)将水平灰缝的厚度和竖向灰缝的宽度均设定在8至12mm范围内,砌块有固定裁切尺寸,基于PSO算法优化出整型砌块数量和非整型砌块数量、固定裁切砌块尺寸和竖向灰缝宽度,自适应调整水平灰缝厚度和砌块层数,排列出整个墙体;[0074] 其中,优化排布横向砌块时,初始化位置粒子Xi=(ni1,ni2,ga,gb,ri1),ni1和ni2分别表示整型砌块和非整型固定裁切尺寸砌块的数量,ga∈{8,9,10,11,12}和gb∈{8,9,10,11,12}分别为整型砌块和非整型固定裁切尺寸砌块的灰缝宽,ri1∈{0.25,0.5,0.75}为固定裁切比例分别代表半砖、二五砖、七五砖。适应度函数f3表达式为:[0075] f3=q1*s1+q2*s2+q3*s3(5)[0076][0077] s2=p1*n1+p2*n2(7)[0078] s3=D(ga)+D(gb)(8)[0079] 其中:D表示方差计算,即度量灰缝均匀度,q1、q2和q3为用于控制实际要求的优先级的惩罚控制因子;[0080] 优化排布纵向砌块时,初始化位置粒子Xi=(ni3,gh),ni3表示砌块层数,gh∈{8,9,10,11,12}为水平灰缝厚度,适应度函数f4表达式为:[0081] f4=q1*s1+q2*s2(9)[0082][0083] s2=D(gh)(11)[0084] 6)将水平灰缝的厚度和竖向灰缝的宽度均设定在8至12mm范围内,砌块无固定裁切尺寸,基于PSO算法优化出整型砌块数量和非整型砌块数量、无固定裁切砌块尺寸和竖向灰缝宽度,自适应调整水平灰缝厚度和砌块层数,排列出整个墙体;[0085] 其中,优化排布横向砌块时,初始化位置粒子Xi=(ni1,ni2,ga,gb,ri2),ni1和ni2分别表示整型砌块和非整型固定裁切尺寸砌块的数量,ga∈{8,9,10,11,12}和gb∈{8,9,10,11,12}分别为整型砌块和非整型固定裁切尺寸砌块的灰缝宽,r2∈[a/3b,a/b]为无固定裁切比例;适应度函数f5表达式为:[0086] f5=q1*s1+q2*s2+q3*s3(12)[0087][0088] s2=p1*n1+p2*n2(14)[0089] s3=D(ga)+D(gb)(15)[0090] 优化排布纵向砌块时,初始化位置粒子Xi=(ni3,gh),ni3表示砌块层数,gh∈{8,9,10,11,12}为水平灰缝厚度,适应度函数f6表达式为:[0091] f6=q1*s1+q2*s2(16)[0092][0093] s2=D(gh)(18)[0094] 7)将经过PSO算法处理过的数据在图纸上进行绘制,输出如图3所示的排砖图指导施工。[0095] 参见图2,所述步骤4)、5)、6)中PSO算法均总结为以下几个步骤:[0096] 2‑1)根据选择的方案生成位置粒子Xid=(xi1,xi2,...,xiD),用随机数生成速度粒子Vid=(vi1,vi2,…,viD)形成一个粒子种群;[0097] 2‑2)由实际所需的方案完成适应度函数f的设定;[0098] 2‑3)计算每个粒子的适应度;[0099] 2‑4)对于每个粒子,如果其适应度值小于个体极值Ppbest,则用适应度值替换个体极值;对于每个粒子,如果其适应度值小于全局极值Pgbest,则用适应度值替换全局极值;[0100] 2‑5)更新速度粒子和位置粒子,更新公式如下:[0101][0102][0103] 其中:k为迭代次数,ω为惯性常数,c1和c2为学习因子,r1和r2为随机因子;[0104] 2‑6)若经过更新的粒子的目标函数值小于此代原始粒子的目标函数值,则将此新粒子设置为下一代原始粒子;若经过更新的粒子的目标函数值大于或者等于此代原始粒子的目标函数值,则将此代原始粒子设置为下一代原始粒子;[0105] 2‑7)如果停止条件不满足,则返回步骤2‑3)继续迭代,直到满足停止条件得到最优解。[0106] 值得说明的是,本实施例中将裁切尺寸不固定和裁切尺寸固定的整型砌块分别记为无固定裁切尺寸砌块和固定裁切尺寸砌块,则非整型砌块包括无固定裁切尺寸砌块和固定裁切尺寸砌块。在指定条件下即如方案一,非整型砌块就是指无固定裁切尺寸砌块。在指定条件下即如方案二,非整型砌块就是指固定裁切尺寸砌块。[0107] 实施例2:[0108] 本实施例公开了一种用于基于智能优化算法的砌块排布优化策略的生成装置,可运用于实施例1,其包括获取模块、选择模块和优化模块,所述获取模块获取的信息包括墙体数据和砌块数据;所述选择模块选择具体方案,确定优化算法的初始化参数和适应度函数;所述优化模块根据所选方案和优化算法,对给定墙体和砌块进行优化排布策略生成。[0109] 实施例3:[0110] 本实施例公开了一种计算机可读存储介质,可运用于实施例1,其有用于基于智能优化算法的砌块排布优化策略的生成程序;所述用于基于智能优化算法的砌块排布优化策略的生成程序被处理器执行时实现权利要求1至3任一项所述的用于智能优化算法的砌块排布优化策略的生成方法。[0111] 实施例4:[0112] 本实施例公开了一种计算机设备,可运用于实施例1,包括计算机可读存储介质、处理器和存储在所述计算机可读存储介质中的用于基于智能优化算法的砌块排布优化策略的生成程序,所述基于智能优化算法的砌块排布优化策略的生成程序被处理器执行时实现权利要求1至3任一项所述的用于智能优化算法的砌块排布优化策略的生成方法。[0113] 实施例5:[0114] 如图1所示,本实施例公开了基于智能优化算法的砌块排布优化策略的自动生成方法,包括以下步骤:[0115] 1)提取墙体信息;[0116] 根据实际建筑设计图纸或建筑信息模型,提取需要进行砌砖的墙体和砌体。如砌体墙高度、宽度、厚度、导墙区域高度、中间砌体区域高度、插缝区域高度、导墙砌块、中间砌块和插缝砌块的长度、宽度、高度。[0117] 2)输入砌体墙信息;[0118] 将步骤1)中提取的墙体参数输入算法。[0119] 3)输入砌块信息;[0120] 将步骤1)中提取的砌块参数输入算法。[0121] 4)选择方案;[0122] 第一种水平灰缝厚度和竖向灰缝宽度都设定为10mm,砌块无固定裁切尺寸,基于输入的墙体信息计算出最大整型砌块数量和砌块层数,后基于PSO算法找出非整型砌块尺寸,排列出整个墙体。在对非整砌块进行优化排布时,将每行所需的非整型砌块长度与整型砌块宽度之比初始化为位置粒子,此粒子的维度一般为一维或二维,粒子的值小于整型砌块长度与整型砌块宽度之比,大于整型砌块长度与整型砌块宽度之比的三分之一。[0123] 第二种水平灰缝厚度和竖向灰缝宽度范围为8至12mm,砌块有固定裁切尺寸,先通过算法优化出整砌块数量、固定裁切尺寸砌块和竖向灰缝宽度,再通过算法自适应调整水平灰缝厚度和砌块层数,最后排列出整个墙体。对每层砌块进行优化排布时,将砌块数量和竖向灰缝数量初始化为位置粒子,维度为二维,第一维为用编码0、1、2表示无砖、整砖或半砖的数量,第二维为竖向灰缝宽度。在对水平灰缝优化时,将水平灰缝数量初始化为位置粒子,维度为五维,维度依次表示8mm、9mm、10mm、11mm、12mm五种灰缝。[0124] 第三种水平灰缝厚度和竖向灰缝宽度范围为8至12mm,砌块无固定裁切尺寸,先通过算法优化出整砌块数量、无固定裁切尺寸砌块和竖向灰缝宽度,再通过算法自适应调整水平灰缝厚度和砌块层数,最后排列出整个墙体。对每层砌块进行优化排布时,将砌块数量和竖向灰缝数量初始化为位置粒子,维度为四维,第一维为用编码0、1、2表示无砖、整砖或半砖的数量,第二维为竖向灰缝宽度,第三维为是否有无固定尺寸裁切的砌块,第四维为无固定尺寸裁切的砌块的比例。在对水平灰缝优化时,将水平灰缝数量初始化为位置粒子,维度为五维,维度依次表示8mm、9mm、10mm、11mm、12mm五种灰缝。[0125] 5)PSO算法进行智能排砖;[0126] 参见图2,PSO算法的主要步骤如下:[0127] 51)根据选择的方案生成位置粒子,速度粒子用随机数进行生成。随机生成一定数量需要进行优化的粒子,形成一个粒子种群。[0128] 52)目标函数的设定为五个参数,分别是总砌块长与竖向灰缝总宽之和与墙体宽之差、总砌块高与水平灰缝总厚之和与墙体高之差、砌块的数量、砌块的种类和灰缝的整齐程度。[0129] 53)计算每个粒子的适应度。[0130] 54)对于每个粒子,如果其适应度值小于个体极值,则用适应度值替换个体极值。对于每个粒子,如果其适应度值小于全局极值,则用适应度值替换全局极值。[0131] 55)更新速度粒子和位置粒子。[0132] 56)若经过更新的粒子的目标函数值小于此代原始粒子的目标函数值,则将此新粒子设置为下一代原始粒子。若经过更新的粒子的目标函数值大于或者等于此代原始粒子的目标函数值,则将此代原始粒子设置为下一代原始粒子。[0133] 57)如果停止条件不满足,则返回步骤53)继续迭代,直到满足停止条件得到最优解。[0134] 具体实施时,根据PSO算法计算出的导墙砖数据、中间砌块数据、水平灰缝数据和竖直灰缝数据,对排砖图进行绘制。[0135] 上述实验效果证明,砌块与灰缝确实在无人为干预下进行了合理的排布。本发明公开的一种基于智能优化算法的砌块排布优化策略的自动生成技术准确地将设计图纸所给的墙体进行了准确且合理的砌块排布,本发明所述方法是切实有效的。

专利地区:重庆

专利申请日期:2021-10-15

专利公开日期:2024-06-18

专利公告号:CN114638141B

电话咨询
读内容
搜本页
回顶部